机器人控制理论与技术7.ppt

* 人工势场法 * 人工势场法 Attractive potential * 人工势场法 Repulsive potential * C-obstacle Attractive potential Repulsive potential Sum of potentials 人工势场法 * 得到整个人工势场后，计算势场的负梯度，并将其作为机器人的驱动力。 等势图 驱动力 整个势场 人工势场法 * 障碍物生长法 根据机器人的半径扩展障碍物的外边缘 * 扩展后环境，radius=1.0m 障碍物生长法（二） 原始环境 扩展后环境，radius=0.25m * * A*算法的思想来源并不是什么高深莫测的东西，事实上，它与我们所熟悉的另外两种搜索策略：DFS（深度优先Deep First Search）和 BFS(广度优先Breadth First Search)有着自然而紧密的联系。 首先要提一下搜索树的概念，一个可以搜索出某个可行解的问题，如“农夫、白菜、羊、狼”和“八皇后”等，虽然从表面上看上去和“树”这种结构无关，但是整个搜索过程中的可能试探点所形成的搜索空间总可以对应到一颗搜索树上去。所以，将各类形式上不同的搜索问题抽象并统一成为搜索树的形式，为算法的设计与分析带来巨大的方便。 下面，让我们通过两个Flash演示来回顾一下DFS和BFS的算法思想： 深度优先搜索算法（Depth-First-Search），是搜索算法的一种。是沿着树的深度遍历树的节点，尽可能深的搜索树的分支，如果发现目标，则算法中止，属于盲目搜索。深度优先搜索是图论中的经典算法，利用深度优先搜索算法可以产生目标图的相应拓扑排序表，利用拓扑排序表可以方便的解决很多相关的图论问题，如最大路径问题等等。同时深度优先搜索算法的时间复杂度不高（为线性时间复杂度），遍历图的效率往往非常高。因此，鉴于深度优先搜索算法的强大功能以及高效性往往被研究图论问题的专家所推崇，他们常建议在遇到未知性质的图时，先对图进行深度优先遍历，以了解未知图的性质。 因发明“深度优先搜索算法”，霍普克洛夫特与陶尔扬共同获得计算机领域的最高奖：图灵奖 首先我们来想象一只老鼠，在一座不见天日的迷宫内，老鼠在入口处进去，要从出 口出来。那老鼠会怎么走？当然是这样的：老鼠如果遇到直路，就一直往前走，如果遇到分叉路口，就任意选 择其中的一个继续往下走，如果遇到死胡同，就退回到最近的一个分叉路口，选择另一条道路再走下去，如果 遇到了出口，老鼠的旅途就算结束了。深度优先搜索法的基本原则就是这样：按照某种条件往前试探搜索，如 果前进中遭到失败（正如老鼠遇到死胡同）则退回头另选通路继续搜索，直到找到条件的目标为止。 　　实现这一算法，我们要用到编程的另一大利器--递归。递归是一个很抽象的概念， 但是在日常生活中，我们还是能够看到的。拿两面镜子来，把他们面对着面，你会看到什么？你会看到镜子中 有无数个镜子？怎么回事？A镜子中有B镜子的象，B镜子中有A镜子的象，A镜子的象就是A镜子本身的真实写 照，也就是说A镜子的象包括了A镜子，还有B镜子在A镜子中的象………………好累啊，又烦又绕口，还不好理 解。换成计算机语言就是A调用B，而B又调用A，这样间接的，A就调用了A本身，这实现了一个重复的功能。再 举一个例子；从前有座山，山里有座庙，庙里有个老和尚，老和尚在讲故事，讲什么呢？讲：从前有座山，山 里有座庙，庙里有个老和尚，老和尚在讲故事，讲什么呢？讲：从前有座山，山里有座庙，庙里有个老和尚， 老和尚在讲故事，讲什么呢？讲：…………。好家伙，这样讲到世界末日还讲不玩，老和尚讲的故事实际上就 是前面的故事情节，这样不断地调用程序本身，就形成了递归。 万一这个故事中的某一个老和尚看这个故事不 顺眼，就把他要讲的故事换成：“你有完没完啊！”，这样，整个故事也就嘎然而止了。我们编程就要注意这 一点，在适当的时候，就必须要有一个这样的和尚挺身而出，把整个故事给停下来，或者使他不再往深一层次 搜索，要不，我们的递归就会因计算机存储容量的限制而被迫溢出，切记，切记。 　　我们把递归思想运用到上面的迷宫中，记老鼠现在所在的位置是(x,y),那它现在有 前后左右4个方向可以走，分别是(x+1,y),(x-1,y),(x,y+1),(x,y-1),其中一个方向是它来时的路，我们先不 考虑，我们就分别尝试其他三个方向，如果某个方向是路而不是墙的话，老鼠就向那个方向迈出一步。在新的 位置上，我们又可以重复前面的步骤。老鼠走到了死胡同又是怎么回事？就是除了来时的路，其他3个方向都是 墙，这时这条路就走到了尽头，无法再向深一层发展，我们就应该沿来时的路回去，尝试另外的方向。 　　 * 例：八皇后问题：在标准国际象棋的棋盘上（8*8格）准备放置